Notice bibliographique
Résumé
Online board-game sites are popular settings for group activity. However, unlike many kinds of group interaction, previous research has found that there is often little verbal conversation during games, which seems strange in a social situation. One reason that has been suggested for the lack of talk is that actions in the game are themselves communicative acts that can replace verbal utterances. There is little known, however, about how games can substitute for verbal conversation. In this paper we carry out a study exploring meaning and shared understanding through the moves of a board game. Participants played a board game and then retrospectively analysed the communicative meaning of each move; we analysed their responses as indicative of "joint actions" in four layers of interaction. Our study shows that game moves can provide a great deal of communication, and that there are both similarities and differences to verbal conversations at each level. The physical layer, containing the board, is a foundation similar to that of people speaking the same language. The syntactic layer, consisting of the game rules, allows demonstration of expertise but is not noticed by players except in unusual circumstances. The strategic layer, consisting of competitive use of the syntactic rules, diverges considerably from a verbal conversation in terms of shared understanding, because players are actively attempting to avoid revealing their meaning. The personality layer allows players to make inferences about the other player as a person, just as in verbal communication. Our analysis provides new evidence that even simple turn-based games contain a great deal of interaction richness and subtlety, and that the different levels of communication should be considered by designers as a real and legitimate vehicle for social interaction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».